名称: 代理浏览器
描述: “像操作手脚一样控制浏览器。页面导航、表单输入、截图，无所不能。当用户请求导航网站、填写表单、截取屏幕截图、提取网页数据、测试web应用或自动化浏览器工作流时使用。触发短语包括’转到[url]'、‘点击’、‘填写表单’、‘截取屏幕截图’、‘抓取’、‘自动化’、‘测试网站’、‘登录’，或任何浏览器交互请求。不要用于：分享URL、嵌入链接、截图图像文件。”
英文描述: “Control browser like hands and feet. Navigate, fill forms, screenshot, bring it on. Use when users ask to navigate websites, fill forms, take screenshots, extract web data, test web apps, or automate browser workflows. Trigger phrases include ‘go to [url]’, ‘click on’, ‘fill out the form’, ‘take a screenshot’, ‘scrape’, ‘automate’, ‘test the website’, ‘log into’, or any browser interaction request. Do NOT load for: sharing URLs, embedding links, screenshot image files.”
日文描述: “ブラウザを手足のように操る。ページ遷移、フォーム入力、スクショ、なんでもこい。Use when users ask to navigate websites, fill forms, take screenshots, extract web data, test web apps, or automate browser workflows. Trigger phrases include ‘go to [url]’, ‘click on’, ‘fill out the form’, ‘take a screenshot’, ‘scrape’, ‘automate’, ‘test the website’, ‘log into’, or any browser interaction request. Do NOT load for: sharing URLs, embedding links, screenshot image files.”
允许工具: [“Bash”, “Read”]
用户可调用: false
上下文: fork
参数提示: “[url] [–headless]”
代理浏览器技能
执行浏览器自动化的技能。使用 agent-browser CLI 来执行 UI 调试、验证和自动操作。
触发短语
此技能在以下短语时自动启动：
- “打开页面”、“检查URL”
- “点击”、“输入”、“表单”
- “截取屏幕截图”
- “检查UI”、“测试屏幕”
- “open this page”, “click on”, “fill the form”, “screenshot”
功能详情
执行步骤
步骤 0: 确认 agent-browser
# 安装确认
which agent-browser
# 未安装的情况
npm install -g agent-browser
agent-browser install
步骤 1: 用户请求分类
| 请求类型 |
对应动作 |
| 打开 URL |
agent-browser open <url> |
| 点击元素 |
快照 → agent-browser click @ref |
| 表单输入 |
快照 → agent-browser fill @ref \"text\" |
| 状态确认 |
agent-browser snapshot -i -c |
| 屏幕截图 |
agent-browser screenshot <path> |
| 调试 |
agent-browser --headed open <url> |
步骤 2: AI 快照工作流（推荐）
在大多数操作中，首先获取快照，然后使用元素引用进行操作：
# 1. 打开页面
agent-browser open https://example.com
# 2. 获取快照（面向 AI，仅交互元素）
agent-browser snapshot -i -c
# 输出示例:
# - link \"Home\" [ref=e1]
# - button \"Login\" [ref=e2]
# - input \"Email\" [ref=e3]
# - input \"Password\" [ref=e4]
# - button \"Submit\" [ref=e5]
# 3. 使用元素引用操作
agent-browser click @e2 # 点击登录按钮
agent-browser fill @e3 \"user@example.com\"
agent-browser fill @e4 \"password123\"
agent-browser click @e5 # 提交
步骤 3: 结果确认
# 通过快照确认当前状态
agent-browser snapshot -i -c
# 或检查 URL
agent-browser get url
# 获取屏幕截图
agent-browser screenshot result.png
快速参考
基本操作
| 命令 |
说明 |
open <url> |
打开 URL |
snapshot -i -c |
AI 向快照 |
click @e1 |
点击元素 |
fill @e1 \"text\" |
表单输入 |
type @e1 \"text\" |
输入文本 |
press Enter |
按键 |
screenshot [path] |
屏幕截图 |
close |
关闭浏览器 |
导航
| 命令 |
说明 |
back |
后退 |
forward |
前进 |
reload |
重新加载 |
信息获取
| 命令 |
说明 |
get text @e1 |
获取文本 |
get html @e1 |
获取 HTML |
get url |
当前 URL |
get title |
页面标题 |
等待
| 命令 |
说明 |
wait @e1 |
等待元素 |
wait 1000 |
等待1秒 |
调试
| 命令 |
说明 |
--headed |
显示浏览器 |
console |
控制台日志 |
errors |
页面错误 |
highlight @e1 |
高亮元素 |
会话管理
并行管理多个标签页/会话：
# 指定会话
agent-browser --session admin open https://admin.example.com
agent-browser --session user open https://example.com
# 会话列表
agent-browser session list
# 在特定会话中操作
agent-browser --session admin snapshot -i -c
与 MCP 浏览器工具的区别
| 工具 |
推荐度 |
用途 |
| agent-browser |
★★★ |
首选。AI 向快照功能强大 |
| chrome-devtools MCP |
★★☆ |
Chrome 已打开时 |
| playwright MCP |
★★☆ |
复杂的 E2E 测试 |
原则: 首先尝试 agent-browser，只在不起作用时使用 MCP 工具。
注意事项
- agent-browser 默认是无头模式
- 使用
--headed 选项可以显示浏览器
- 会话在显式
close 之前保持
- 需要认证的网站可以使用会话功能